بخشی از مقاله
خلاصه
از آنجايي كه قسمت عمده نفت و گاز استخراج شده از منابع موجود در دريا هستند، طراحي لولههاي بكار رفته داراي اهميت خاصي مي باشد. دستيابي به توزيع فشار اطراف يك لوله تحت اثر موج، از مباحثي است كه به دليل داشتن ماهيت تصادفي موج، پيچيدگيهاي زيادي را به همراه داشته است. در اين مقاله با بكارگيري دادههاي آزمايشگاهي و استفاده از رويكرد شبكه عصبي و برازش منحني ضرايب روابط حاصل از رگرسيون خطي دادههاي محاسباتي و مشاهداتي، سعي در دستيابي به يك رابطه كلي جهت تخمين مناسب توزيع فشار در اطراف يك لوله قائم با زبري جزئي گرديده است.
١ . مقدمه
طراحي لوله هاي قائم جهت انتقال مواد نفتي در قسمت هاي مختلف دريا اعم از ساحل و فراساحل از موضوعات بسيار مهم مي باشد. رايزر ها از جمله لوله هاي قائمي هستند كه خصوصاً در محيط فراساحل و در سكوهاي دريايي به منظور حمل مواد نفتي به عرشه سكو مورد استفاده قرار مي گيرندين.ا اعضاي استوانه قائم دائماً تحت تأثير شرايط محيطي و به تبع آن نيروهاي متعدد قرار مي گيرند كه در برخي موارد آسيب هاي فراواني را به همراه خواهند داشت.
از جمله اين نيروها مي توان به نيروهاي ناشي از باد، موج و جريان اشاره نمود كه در اين ميان امواج دريا به دليل داشتن ماهيت تصادفي از پيچيدگي خاصي بر خوردارند. از اين رو به منظور تضمين سلامتي اين اعضا، مباحث مربوط به طراحي آن ها از اهميت به سزايي برخوردار است. براي تعيين مقادير نيروهاي امواج بر روي لوله ها با در نظر گرفتن كمي قطر نسبت به ارتفاع امواج وارده، مي توان از روابط مختلف از جمله رابطه موريسون استفاده نمود. اين روابط در تعيين نيروهاي همراستا با موج رابطه هايي كارا و متداول هستند.
اين در حالي است كه استفاده از اين تئوري ها و روابط براي تعيين مقادير فشار در اطراف رايزرها و به طور كلي لوله هاي قائم كارساز نيستند و به عبارتي فقط مقدار برآيند فشارها را كه بر سطح رايزر وارد مي شوند صرفاً در راستاي انتشار موج - نيروي همراستا - ارائه مي دهند و به تغييرات آن در اطراف لوله توجه ندارد. با اين توضيحات مختصر ارائه يك رابطه كلي جهت تخمين فشار در تمامي نقاط اطراف لوله از ارزش بالايي برخوردار خواهد بود.
از بين انواع مختلف از روشهاي تعيين فشار اطراف لوله، اخيراً شبكههاي عصبي به دليل عملكرد مستقل از روابط حاكم بر پارامترهاي متعدد تأثيرگذار و قابليت بالايشان در نگاشت پارامترهاي ورودي به خروجي مورد توجه فراوان قرار گرفته اند. در اين مقاله با به كارگيري دادههاي آزمايشگاهي و استفاده از رويكرد شبكه عصبي و برازش منحني ضرايب روابط حاصل از رگرسيون خطي دادههاي محاسباتي و مشاهداتي، سعي در دستيابي به يك رابطه كلي جهت تخمين مناسب توزيع فشار حاصل از اثر امواج در اطراف يك لوله قائم با زبري جزئي گرديده است. نتايج مربوط به مقايسه فشارهاي منتجه با فشار بدست آمده از آزمايش در ٨ نقطه اطراف لوله قائم و همپوشاني مناسب داده هاي محاسباتي و آزمايشگاهي، حاكي از توانايي بالاي روش تركيبي پيشنهاد شده در دستيابي به توزيع فشار هيدروديناميكي اطراف لوله ميباشد.
٢. فشار اطراف لوله قائم
به طور كلي فشار در زير يك موج از مجموع دو عامل فشار استاتيكي و فشار ديناميكي بدست مي آيد كه در آن ρ چگالي آب، z ارتفاع آب نسبت به آب ساكن، h عمق آب، k عدد موج برابر با 2π/L ، L طول موج و g شتاب گرانشي مي باشند. در اين رابطه ترم اول مربوط به فشار هيدروستاتيكي و ترم دوم مربوط به فشار هيدروديناميكي است ]١.[ ارائه يك مدل مناسب براي جريان در تحقيقات تئوري كه فراتر از مباحث ابعادي ساده مدنظرند از اهميت بالايي برخوردار است.
٣. شبكه عصبي مصنوعي
در شكل گيري علم شبكه هاي عصبي، از شبكه هاي عصبي بيولوژيكي الهام گرفته شده است. بدين معني كه يك شبكه عصبي از چندين عنصر به نام نرون تشكيل شده كه هر يك از اين نرون ها با نرون هاي ديگر ارتباط دارند. هدف شبكه عصبي، تقليد از نرون هاي سيستم عصبي انسان است كه اين كار با اتصال تعداد زيادي از پردازشگرها موسوم به نرون هاي مصنوعي يا گره ها انجام مي شود. بطور كلي شبكه هاي عصبي با معرفي، محاسبه و تفكيك داده ها در يك فضاي چند متغيره، آن ها را به فضاهاي مطلوب تبديل مي كنند ]٤ و ٥.[ شكل١ نمونه اي از ساختار شبكه را نمايش مي دهد. شبكه از سه لايه اصلي بنام لايه ورودي و لايه مخفي و لايه خروجي تشكيل شده است كه با هم ارتباط دارند.
شكل١- نمونه اي از ساختار شبكه عصبي
براي آموزش شبكه زوج هاي آموزشي به عنوان ورودي به شبكه داده مي شود و خروجي شبكه محاسبه مي گردد. با محاسبه خطاي بين خروجي شبكه و خروجي دلخواه - بردار هدف از زوج آموزشي - وزن هاي شبكه به روشي تنظيم مي شود كه خطا به حداقل برسد. اين مراحل تا كاهش خطا در حد قابل قبول براي هر بردار در دسته آموزشي تكرار مي گردد ]٦ و ٧.[ شبكه هاي عصبي پيشخورد از جمله شبكه هاي بسيار مطلوب براي كارهاي تحقيقاتي و زمينه هاي مختلف علوم مهندسي مي باشند.
در اين نوع شبكه ها نرون ها در قالب يك لايه با هم دسته بندي مي شوند. سيگنال ها از لايه ورودي و از طريق اتصالات به لايه خروجي و با حركت رو به جلو - نه در عرض لايه - جريان پيدا مي كنند. شكل گرافيكي يك شبكه عصبي پيشخورد شامل توابع پارامتري است كه قابليت نگاشت داده هاي ورودي را به داده هاي خروجي متناظر دارد. مطابق شكل ١ ساختار كلي اين نوع شبكه ها متشكل از يك لايه ورودي، يك يا چند لايه پنهان و يك لايه خروجي مي باشد. واحد هاي موجود در لايه پنهان نقش بسيار اساسي در پردازش داده ها و محاسبه پارامتر خروجي دارند ]٨ و ٩.[
٤. داده هاي آزمايشگاهي
داده هاي مورد استفاده در اين تحقيق از آزمايش انجام شده در كانال موج دلتا با طول تقريبي ٢٥٠ متر و عرض ٥ متر بدست آمده است. عمق آب كانال ٥ متر بوده و امواج بوسيله يك مولد موج برنامه ريزي شده توليد مي شوند و انرژي آنها به واسطه وجود شيب و ساحل بتني كه در انتهاي ديگر كانال قرار دارد مستهلك مي گردد. امواج تصادفي ايجاد شده در اين آزمايش داراي ارتفاع H=1.5 m و پريود متوسط T=5.95 s بوده و از طيف JONSWAP تبعيت مي كنند.
به منظور ثبت داده ها يك لوله قائم در درون كانال قرار داده شده و بر روي آن يك گيج پوسته اي شكل به قطر ٥.٠ برابر قطر لوله جهت اندازه گيري ارتفاع آب به همراه يك وسيله اندازه گيري پوسته اي سرعت قائم و افقي و فشار در ارتفاع ٥.١ متر در زير تراز متوسط آب نصب گرديده است. بدين ترتيب اطلاعات مربوط به ارتفاع، سرعت قائم، سرعت افقي و فشار ١٠٠٠ بار را در طي ٢٥ ثانيه در ٨ نقطه حول استوانه حاصل مي گردد ]١٠.[ شكل ٢ موقعيت ٨ نقطه در اطراف لوله و شكل ٣ تغييرات مربوط به داده هاي مربوط به تراز سطح آب، سرعت افقي و سرعت قائم را در بازه زماني ٢٥ ثانيه نشان مي دهد كه به عنوان پارامتر هاي ورودي در شبكه هاي عصبي در نظر قرار گرفته شده اند. شكل ٤ نيز نمودار سه بعدي - زمان-مكان- فشار - مربوط به داده هاي فشار ثبت شده براي ٨ نقطه در اطراف لوله را نشان مي دهد.
